반복 분석<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />안녕 모두들,
첨부 된 예제에 따라 테이블에 포함 된 데이터를 처리하려고합니다. 이 표는 100 개의 열 + 1 개의 열로 이루어져 있으며 30-80 개의 행으로 구성됩니다.
제어 대 열 51, 대조 대 열 52, 대조 대 열 53 등으로 시작하는 반복적 인 방식으로 통계적 테스트를 적용하는 것이 목적입니다. 중요한 차이가 나타나는시기를 감지하고 연속 열에 얼마나 오래 있는지, 의미가 없어지면
예를 들어, 열 63에서 열 78까지 차이가 발견 된 다음 c79에서 c86으로 손실 된 다음 c87에서 c98으로 다시 나타납니다.
필자는 이러한 유형의 테이블을 자동으로 분석 할 수있는 스크립트를 작성하여 차이가 발생하는 순간에 대한 보고서를 제공 할 수 있는지 여부를 모르겠습니다.
어떠한 제안 ?
재 : 반복 분석그것은 조언을 교환하는 건설적인 방법입니다! 그 케빈 주셔서 감사합니다. 우리가 R과 JMP로 앞뒤로 갈 수 있다는 것을 아는 것은 흥미 롭습니다. 나는 분명히 변경점 절차를 면밀히 검토 할 것이다.
재 : 반복 분석안녕, 폴!
더 많은 정보가 없으면 어둠 속에서 촬영하는 것보다 더 많은 것을하지 않습니다.
그러나 의심 스럽다면 순차적으로 수집 된 데이터를 검색하여 데이터의 생성 프로세스 변경을 식별하려는 경우 변경점 접근 방식이 더 정당화 될 수 있습니다.
변화 지점을 탐지하는 방법은 여러 가지가 있으며 수년 전부터 많은 참고 자료가 있습니다.
CRAN에는 변화 점 JMP는 JMP 데이터 세트에서 R 코드를 실행하고 결과를 다시 JMP로 가져올 수있는 몇 가지 알기 쉬운 R 통합을 제공합니다. R. Killick, P. Fearnhead & IA Eckley (2012) 선형 계산 비용으로 변곡점의 최적 검출, American Statistical Association 저널, 107 : 500, 1590-1598에서 언급 한 PTC (Pruned Exact Linear Time) 방법을 사용해보십시오.
재 : 반복 분석케빈 감사합니다. 어떤 제안이라도 감사드립니다.
내 이해에서 Paul은 아직 테스트를 선택하지 않았지만 원래 데이터 세트가 주어지면 JMP에서 두 샘플 테스트 시퀀스 (한 샘플은 항상 동일)를 실행하는 방법에 대해 더 많이 묻습니다. 내 요점은 스크립팅이이 경우 필요하지 않을 것이라는 점입니다.
당신의 공헌에 다시 한번 감사드립니다.
재 : 반복 분석귀하의 메시지 주셔서 감사합니다. 케빈,
저는 그들이 탁월한 통계학자를 살아 있거나 죽었는지 방해하고 싶지 않습니다.
나는 ~ 될거야. 기쁘게 생각한 에 당신의 제안이 무엇인지 압니다.
재 : 반복 분석어떤 사람은 아마도 다들 접근하는 방법으로 죽은 탁월한 통계 학자들이 상당히 많은 사람들이 각자의 무덤에있는 선반처럼 회전 할 수 있다고 언급해야합니다.
나는 당신이 당신의 묘사에서 어떤 결정을 내리려하는지 정확히 알 수는 없지만, 나는 변화 점 탐지와 같은 느낌을 더합니다. 그렇다면 두 샘플 테스트에서 순차적으로 집계 된 여러 개의 p 값을 분석하는 것이 좋지 않은 것으로 간주 될 수 있습니다.
재 : 반복 분석하이 폴,
고맙습니다, 그게 많은 도움이되었습니다.
여기서 스크립팅이 필수적인 것은 아닙니다. 당신은 다음을 할 수 있습니다 :
1. Tables> Stack : 컨트롤 컬럼의 데이터와 모든 측정 컬럼이 쌓인 새로운 데이터 테이블을 얻으십시오. 그러면 열 이름이있는 열 Label이 만들어지고 모든 데이터가 포함 된 두 번째 열이 만들어집니다.
첨부 파일에 내 결과가 표시됩니다.
2. 분석> Y로 X를 X = 레이블 및 Y = 데이터> 핫스팟으로 비교> 수단 비교> 컨트롤을 사용하여 Dunnett 's : 컨트롤 열을 선택하면 모든 쌍 테스트가 수행됩니다. LSD Threshold Matrix 아래의 테이블을 마우스 오른쪽 버튼으로 클릭하여 정렬하거나 데이터 테이블로 만들 수 있습니다 (그래프 빌더에서 p 값을 그래프로 표시하는 경우).
Dunnett의 테스트는 다음을 참조하십시오. 수단 비교 .
희망은 도움이된다.
Volker
재 : 반복 분석안녕 Volker 그리고 내 문제를 돌봐 주셔서 감사합니다,
다음은 이미 분석 된 데이터 테이블입니다. Ctrl / 테스트 비교에서 중요한 차이점이 입증되었습니다 (테스트시 평가되었지만 Wilcoxon이 더 적절할 수 있음).
아래의 각 행은 Ctrl 데이터 (제어 컬럼)와 주어진 테스트 컬럼 (100에서 200까지의 번호가 매겨 짐) 사이의 비교를 제공합니다.
Col nbr P 값
...
160 0.01
161 0,0022
162 ns
163 ns
164,0,03
165 ns
166 0,008
167,0,04
168,0,04
169 ns
170 0,004
171 ns
172 ns
173 ns
174 0.04
175 ns
176 <0,0001
177 0,008
178 ns
179 0,004
180,0,02
181 0,003
182,0,004
183 0,009
184,0,04
185 0,005
186 ns
187 0,006
188,0,03
189,0,02
190 0,0002
191 ns
192 0,001
기타...
재 : 반복 분석하이 폴,
내가 채팅에서 배운 것은 다음과 같습니다.
차이의 정의 : Ctrl 컬럼의 값과 100 개의 다른 컬럼의 값을 비교하는 Wilcoxon 테스트 (반복 비교).
예제 테이블은 데이터 구조에 대한 아이디어를 제공하기위한 것입니다. 위에서 설명한 동작은이 테이블에 적용되지 않습니다.
목표는 이러한 종류의 분석 된 각 테이블에 대한 차이의 시작 시간과 오프셋 시간을 정렬하는 것입니다.
당신이보고 싶은 일부 분석 결과와 함께 다른 테이블을 제공 할 수 있다면 많은 도움이 될 것입니다.
BR, 볼커
